기술적 해자가 더 이상 존재하지 않는 시대

• 원문 제목: 더 이상 기술적인 해자가 없다 | 김주언 X Brian Jin
• URL: https://www.youtube.com/watch?v=fECKIrUnLXk
• 날짜: 2026-08-23
• 채널: AI Community Bloom 블룸
• 주요 인물: Brian Jin, 김주언, AI Community Bloom 진행자
• 핵심 키워드: 기술적 해자(Technical Moat), AI 네이티브(​​AI-native), 수직형 AI(Vertical AI), 유통(Distribution), AGI, 기능·권력·소유, 개인 미디어, 오픈소스(Open Source), 비즈니스 에이전트(Business Agent)

---

📌 핵심 질문 / 핵심 논점

==AI가 소프트웨어를 빠르게 만들면서 기술적 해자(Technical Moat)가 사라진다면, 창업자와 기술자는 무엇을 소유하고 어떻게 가치를 만들어야 하는가?==

• AI 네이티브 제품을 만드는 것 자체는 더 이상 충분한 방어력이 되지 못하고, 고객에게 도달하는 유통(Distribution)과 창업자 개인의 영향력이 핵심 자산으로 부상한다.
• 기술적 창업자(Technical Founder)와 비즈니스 창업자(Business Founder)의 경계가 약해지며, 모든 창업자가 세일즈·마케팅·고객 개발(GTM)을 수행해야 한다.
• AGI가 인간의 기능(Skill)을 대체할수록 기능을 파는 개인보다 권력(Power)과 소유(Ownership)를 가진 개인이 유리해진다.
• 소유는 토지·특허 같은 물리적·법적 자산뿐 아니라 브랜드·플랫폼·미디어가 사람들의 마음속에 차지한 공간까지 포함한다.
• Brian Jin은 기술 역량과 오픈소스를 유통 채널로 삼고, 비즈니스 판단의 근거를 AI 모델 밖의 데이터베이스로 분리하는 오픈소스 프로젝트 JPS를 구상한다.

이 대화는 캐나다의 창업 생태계와 Antler Canada의 실제 경험에서 시작해, 수직형 AI 투자 환경의 변화, 기술자에게 요구되는 새로운 역할, AGI의 정의와 도래 시점, 그리고 AI 이후에 남는 소유의 형태까지 확장된다. Brian Jin의 실패한 ERP 구현 자동화 창업 경험은 유통과 후속 투자라는 현실적 문제를 보여주고, 김주언의 분석은 기능을 넘어 네트워크와 타인의 마음을 소유하는 전략으로 이어진다.

1. Brian Jin의 배경과 캐나다 창업 생태계

캐나다는 미국과 가깝고 닮았지만, 창업자가 미국 시장으로 이동하기 전 실험할 수 있는 테스트베드(Test Bed) 역할을 한다.

1.1. 캐나다에서 엔지니어와 창업자로 살아온 경로

1. 이민과 교육 경로

   1. 캐나다 정착: Brian Jin은 2002년 월드컵이 끝난 뒤 캐나다로 가서 고등학교와 대학교를 마쳤다.
   2. 기술 전공: 컴퓨터공학(Computer Science)을 전공하고 졸업 후 데이터(Data) 분야에서 계속 일했다.
   3. 창업 시도: 졸업 직후부터 정규직과 병행하는 파트타임 창업을 비롯해 여러 창업을 꾸준히 시도했다.

2. 다양한 실무 경험

   1. 리테일 경험: 기술 창업에만 머물지 않고 리테일 사업도 경험했다.
   2. 머신러닝 제품: 머신러닝(Machine Learning) 애플리케이션을 개발하는 등 데이터와 AI에 걸친 실험을 반복했다.
   3. 기술 창업자의 자기 인식: Brian은 스스로를 비즈니스 파운더가 아니라 기술적 파운더(Technical Founder)로 규정하며, 세일즈와 비즈니스 활동을 자연스럽게 느끼지 못한다고 말했다.

1.2. 토론토와 미국의 거리감

1. 캐나다의 테스트베드 역할

   1. 미국과의 관계: 캐나다 전체는 미국의 테스트베드처럼 기능한다. 두 나라가 지리적·문화적으로 가깝고 닮은 점이 많지만 서로 다른 국가이기 때문에 캐나다에서 검증한 뒤 미국으로 넘어가는 선택이 가능하다.
   2. 인재 이동: 토론토에서 성공한 뒤 미국으로 가는 창업자가 많고, 처음부터 미국에서 시작하는 창업자도 많다.
   3. 미국 선호: Brian이 다닌 대학에서도 크게 성장하고 싶은 사람들은 기본적으로 미국으로 간다는 분위기가 있었다.

2. Brian의 토론토 선택

   1. 단계적 이동: Brian은 처음부터 IT·테크 창업에 뛰어들지 않고 토론토에 남아 직장 생활을 하다가 테크 스타트업에 관심을 갖게 됐다.
   2. 미국 진출 직전의 위치: 토론토에서 창업한 뒤 미국으로 갈 뻔했으며, 가까움과 거리감이 동시에 존재하는 캐나다의 위치를 체감했다.
   3. 한국 기업과의 비교: 한국 기업이 동남아시아에 진출하듯 캐나다에서 먼저 사업을 시험한 뒤 미국으로 가는 경로가 가능하다. 당근(Danggeun)도 토론토에 진출한 사례로 언급됐다.

3. 문화적 속도 차이

   1. 캐나다의 느린 실행 속도: Brian은 캐나다 사람들이 한국식의 “빨리빨리”에 익숙하지 않다고 농담 섞어 말했다.
   2. 창업 환경의 성격: 미국처럼 압축적인 속도로 성장하는 시장과는 다른, 상대적으로 느긋한 환경이 캐나다 창업 생태계의 특징으로 제시됐다.

2. Antler Canada에서의 창업과 ERP 구현 자동화

Brian의 Antler 경험은 창업자의 문제 정의, 코파운더 매칭, 수직형 AI 제품, 투자 심사의 변화가 한 번에 드러난 사례다.

2.1. Antler 지원과 프로그램 구조

1. 아이템 전환 전의 고객 개발

   1. 지원 시점: Brian은 2026년 3월에 Antler Canada 프로그램을 시작했다.
   2. 초기 아이템: 처음에는 지금의 ERP 아이템과 전혀 다른 아이템으로 Antler에 지원했다.
   3. GTM 검증: 2025년 11월부터 시장 진입(GTM, Go-To-Market)을 위해 약 100명을 인터뷰했다.
   4. 기술 창업자의 부담: 비즈니스 파운더가 아닌 Brian에게 GTM은 사람을 만나고 설득하고 세일즈해야 하는 소모적인 일이며, 자신에게 매우 부자연스러운 활동이었다.

2. 선발 과정과 생존 구조

   1. 반복 인터뷰: Antler 직원과 제너럴 파트너(General Partner)를 포함해 약 3개월 동안 네 차례 인터뷰를 받았다.
   2. 선발 이유: Antler 측은 Brian을 꾸준하고(consistent), 어려운 일을 해결할 자원과 집요함이 있는 사람으로 평가해 초대했다.
   3. 프로그램 기간: 프로그램은 3월부터 6월까지 10주 동안 진행됐다.
   4. 중도 탈락: 6주차에 참가자의 약 70%가 탈락했다. 경쟁에서 서로를 이기는 방식이라기보다, 프로그램이 계속 데리고 갈 팀을 직접 추려내는 서바이벌에 가까웠다.

3. 사람 중심의 선발

   1. 파운더 마켓플레이스: Antler는 초기 단계에서 유통이나 제품보다 사람을 먼저 보며, 일반적인 프리시드(Pre-seed) 투자자처럼 팀과 파운딩 팀의 시너지를 중요하게 평가한다.
   2. 솔로 파운더 진입: Brian은 솔로 파운더(Solo Founder)로 참여했다.
   3. 코파운더 매칭: Antler는 혼자 들어온 창업자들에게 팀 내 매칭을 제공한다. YC가 혼자 창업하지 말고 코파운더를 찾으라고 권하는 이유처럼, 초기 창업을 혼자 버티기 어렵다는 전제를 프로그램에 반영한 구조다.

2.2. ERP 구현 비용을 줄이는 AI 에이전트

1. ERP 시장의 비용 구조

   1. 구현 비용의 불균형: 회사가 ERP를 새로 도입하거나 교체할 때 라이선스 비용을 1달러라고 가정하면, 스코핑(Scoping)·설정(Configuration)·데이터 마이그레이션과 트레이닝을 포함한 구현(Implementation) 비용은 약 6달러까지 든다.
   2. 기존 ERP의 긴 도입 기간: Oracle 같은 전통적인 ERP는 구현에 약 3~6개월이 걸린다.
   3. AI 네이티브 ERP: AI 네이티브 ERP는 기능이 상대적으로 적을 수 있지만 도입 기간을 거의 1주일로 단축할 수 있다.

2. 구현 파트너의 손실 문제

   1. 예측 오차: 구현 파트너가 100시간을 예상해 고정 가격으로 계약해도 실제 구현에는 150시간이 걸리는 경우가 많다.
   2. 초과분 흡수: 예상보다 늘어난 50시간의 비용은 구현 파트너가 떠안는다.
   3. 고객과 파트너의 공통 요구: 고객은 빠른 사용을 원하고, 파트너는 구현 범위를 정확히 산정해 고정 가격으로 제공하고 싶어 한다. 하지만 현재 구조에서는 정확한 고정 견적을 내기 어렵다.

3. 제품의 목표와 고객

   1. 자동화 범위: Brian과 코파운더는 스코핑부터 구현까지 전 과정을 에이전트로 자동화하려 했다.
   2. 주요 고객: Oracle 자체보다 Oracle 파트너 네트워크(Partner Network)가 주된 고객이 될 수 있다. Oracle은 ERP 서비스를 만들고, 파트너는 교육·구현 서비스에서 큰 매출을 올리기 때문이다.
   3. 가격과 ROI: 구현 기간을 3~6개월에서 1주일로 줄이면 파트너가 기존 6달러 수준의 구현을 4달러 정도로 낮춰도 고객 가치를 만들고 투자수익률(ROI)을 높일 수 있다는 논리였다.
   4. Oracle의 이해관계: Oracle이 구현 교육을 직접 판매하는 것이 아니라 파트너가 구현으로 수익을 얻는 구조이므로, Oracle이 이 제품을 직접 인수하거나 반길지는 불확실했다.

2.3. 코파운더와 투자위원회까지의 여정

1. 상호보완적인 코파운더

   1. 배경: Brian은 Antler에서 ERP 소프트웨어를 판매하던 코파운더를 만났다.
   2. 비즈니스와 기술의 결합: 코파운더는 구현(Implementation), 세일즈(Sales), 기술 경험을 함께 가진 비즈니스 쪽 인물이었다.
   3. 아이디어보다 팀: Antler의 창업자 매칭을 통해 아이디어를 고정된 아이템으로 보지 않고, 서로 다른 역량을 결합하는 팀으로 전환했다.

2. 투자위원회 마일스톤

   1. 8주차 기준: 8주차에는 인베스트먼트 커미티(Investment Committee)라는 마일스톤이 있었다.
   2. 팀의 진행 방식: Brian의 팀은 중간 마일스톤을 별도로 밟기보다 마지막 투자위원회로 직행해 투자 판단을 받는 경로를 택했다.
   3. 최종 결과: Brian의 팀은 최종 투자위원회까지 투자받는 데 성공하지 못했다.

3. 수직형 AI 투자 환경의 급변과 기술적 해자의 소멸

Antler 글로벌 파트너들의 샌프란시스코 방문은 제품의 기술적 매력과 후속 투자의 현실이 다를 수 있음을 드러냈다.

3.1. 글로벌 서밋 이후 바뀐 투자 분위기

1. 갑작스러운 온도 차

   1. 5월 글로벌 서밋: 5월에 각국 Antler의 제너럴 파트너들이 샌프란시스코에서 내부 글로벌 서밋을 열었다.
   2. 파트너들의 변화: 서밋 이전까지 Brian의 팀을 뜨겁게 평가하던 파트너들이 돌아온 뒤 갑자기 조심스러워지고 태도가 달라졌다.
   3. 위험 신호: 캐나다가 샌프란시스코와 가깝기는 하지만 투자 중심지와는 거리가 있기 때문에, 샌프란시스코에서 직접 본 시장 신호가 위험 경고로 전달됐다.

2. 후속 투자(Follow-on) 문제

   1. Antler 투자의 조건: Antler에서 투자를 받더라도 3~6개월 안에 후속 투자를 반드시 받아야 한다.
   2. 샌프란시스코 VC의 태도: 당시 샌프란시스코의 VC들이 수직형 AI에 더 이상 투자하지 않는다는 신호가 있었다.
   3. Antler의 고민: Antler가 Brian의 팀에 투자하더라도 샌프란시스코에서 후속 투자를 연결해 줄 사람을 찾기 어렵다면, 초기 투자의 의미가 약해진다.

3.2. 수직형 AI가 망한 것이 아니라 유통이 문제다

1. 수직형 AI의 의미

   1. 도메인 집중: 수직형 AI(Vertical AI)는 ERP·CRM처럼 특정 산업과 업무 도메인을 깊게 파고드는 회사다.
   2. Brian의 제품 위치: Brian의 제품은 ERP·CRM과 구현이라는 기업 인프라 영역을 겨냥했다.
   3. 시장 전망: 샌프란시스코의 시드 자금이 수직형 AI를 완전히 포기한 것은 아니며, 수직형 AI는 계속 등장할 수 있다.

2. 10배 성장 요구

   1. VC의 기준: VC는 기본적으로 투자금 대비 10배(10x)의 수익을 원한다.
   2. 빠른 성장성: 시드 자금은 빠르게 커질 수 있는 기업에 집중되며, 깊은 도메인 지식만으로는 10배 성장 경로를 증명하기 어렵다.
   3. 핵심 병목: 제품을 만드는 능력보다 고객에게 도달하고 확산시키는 유통(Distribution)이 더 큰 문제로 부상했다.

3. Antler가 던진 질문

   1. 기술적 해자의 붕괴: Antler 프로그램에서 반복해서 나온 메시지는 “더 이상 기술적인 해자(Technical Moat)가 없다”는 것이었다.
   2. 새로운 과제: 기술적 해자가 없다면 무엇이 해자가 될지 창업자가 스스로 찾아야 한다는 질문이 남았다.
   3. 멘토링에 대한 환상: 선발된 창업자가 제너럴 파트너에게 선택받았으니 특별히 아낌받고 많이 배울 것이라는 기대는 현실과 달랐다. Antler는 창업자에게 정답을 가르치기보다 계속 증거를 요구했다.

3.3. 유통과 고객 검증의 냉정한 기준

1. LOI와 디자인 파트너

   1. 반복 질문: 파트너들은 디자인 파트너(Design Partner)와 의향서(LOI, Letter of Intent)를 몇 개 확보했는지 매주 확인했다.
   2. 숫자보다 출처: LOI 개수만 말하는 것으로는 충분하지 않았고, 어떤 방식으로 확보했는지까지 검증했다.
   3. 개인 인맥의 한계: 개인 네트워크를 통해 지인에게 받은 LOI는 좋은 평가를 받기 어려웠다.

2. 모든 GTM 수단의 동원

   1. 능동적 고객 개발: 창업자는 개인 인맥에 기대지 않고 모든 수단과 방법을 동원해 고객을 찾아야 했다.
   2. 자동화의 한계: 콜드 이메일 자동화와 같은 도구는 존재하지만, 플랫폼 규제와 스팸 차단 때문에 안정적인 대박 사례가 아직 나오지 않았다.
   3. 수신자 관점: 자동 콜드메일을 받은 사람도 곧바로 차단할 가능성이 높기 때문에, 자동화된 접촉만으로는 신뢰와 유통을 만들기 어렵다.

3. 제품보다 먼저 필요한 스타 창업자

   1. 스타트업 인플루언서: 창업자는 스타트업 인플루언서(Start-up Influencer)가 되어야 한다는 요구가 나왔다.
   2. 노출과 참여: 창업자는 연예인 같은 마인드셋으로 얼굴을 많이 노출하고 마케팅에 직접 참여하며 회사와 행사에 적극적으로 나가야 한다.
   3. 기술자와의 긴장: 기술 파운더는 제품을 만드는 일은 좋아해도 자신을 드러내고 세일즈·마케팅하는 일은 가장 싫어하는 경우가 많다.

4. 기술적 창업자의 역할 변화와 Antler의 투자 사례

AI는 제품 구현의 진입장벽을 낮췄지만, 프로덕션 수준의 품질이 자동으로 보장된다는 뜻은 아니다. 투자자는 기술적 완성도와 성장에 필요한 시점을 다르게 본다.

4.1. 모든 파운더에게 요구되는 비즈니스 역량

1. 역할의 수렴

   1. 기술과 비즈니스의 상호 침투: 비즈니스 창업자는 AI 바이브 코딩(Vibe Coding)을 활용해 개발 영역으로 들어오고, 기술 창업자는 제품·마케팅·세일즈 영역으로 확장해야 한다.
   2. 공통 역량: 기술 파운더와 비즈니스 파운더를 구분하더라도 모든 파운더가 고객 개발, 세일즈, 마케팅을 수행해야 한다.
   3. 기술 파운더의 상대적 중요도 하락: 예전에는 파운딩 팀의 기술 역량과 비즈니스 역량이 50 대 50에 가까웠지만, Brian은 현재 70 대 30 또는 80 대 20 정도로 비즈니스·유통 역량의 비중이 커졌다고 봤다.

2. 투자자가 보는 고용 가능성

   1. CTO 없는 투자 팀: Brian이 아는 투자받은 팀에는 CTO가 없었다.
   2. 구성: CMO 출신 창업자, GTM·세일즈 담당자, 프로덕트 담당자가 팀을 이뤘다.
   3. 개발 방식: 클라우드와 OpenAI를 사용해 제품을 개발했고, 필요한 시점에 엔지니어를 채용할 수 있다는 판단이 작동했다.
   4. 기술자 입장의 억울함: AI가 있어도 프로덕션 레벨의 안정적인 제품을 만드는 일은 쉽지 않기 때문에 기술자에게는 억울한 구조다.
   5. VC의 계산: VC 입장에서는 초기에 모든 기술을 완성하는 것보다 고객과 성장 가능성을 증명하는 것이 더 중요하며, 필요한 기술 인력은 나중에 채용할 수 있다.

4.2. Antler Canada의 팀과 아웃라이어

1. 기수 규모

   1. 지원자: Antler Canada 기수에는 약 50명 정도가 지원했다.
   2. 팀 구성: 실제 프로그램에는 대략 20개 팀이 모인 것으로 대화에서 언급됐다.
   3. 소프트웨어 편중 여부: Antler는 소프트웨어만 선발하지 않고 특허와 하드웨어를 포함한 다양한 창업 아이템을 검토한다.

2. MicroPipe의 특허 해자

   1. 제품: MicroPipe는 실험실(Lab)에서 사용하는 도구에 센서를 붙인 제품을 만들었다.
   2. 차별점: 센서와 관련된 특허가 있어 명확한 법적·기술적 해자를 보유했다.
   3. 창업자 구성: 세일즈형 창업자가 아니라 연구원에 가까운, 기술과 연구에 몰입한 사람들이었다.
   4. 투자 이유: 특허는 다른 팀이 쉽게 복제할 수 없는 독점권이므로, 기술적 해자가 사라지는 시대에도 예외적으로 강력한 아웃라이어(Outlier)가 될 수 있다.

3. AI 마케팅 에이전트 회사의 피벗

   1. 제품: 다른 투자 회사는 AI 마케팅 에이전트를 만들었다.
   2. 현재 상태: 2026년 6월에 투자받았지만 대화 시점에도 계속 피벗(Pivot) 중이었다.
   3. 창업자 유통력: 강한 인플루언서 창업자가 있으면 제품이 바뀌어도 무엇이든 팔 수 있을 것이라는 기대가 투자 논리에 포함됐다.
   4. 제품의 독립성: 인플루언서의 유통력만으로 충분하지 않고, 제품 자체가 계속 바뀌고 검증되어야 한다는 현실도 함께 드러났다.

5. Brian Jin의 오픈소스 전략과 비즈니스 판단 데이터베이스

Brian은 기술 자체를 버리는 대신, 기술을 가장 잘할 수 있는 영역과 유통 채널로 재배치하려 한다.

5.1. 오픈소스를 유통 채널로 삼기

1. 창업의 지속

   1. 다음 창업 의지: Antler에서 겪은 롤러코스터 같은 경험 이후에도 Brian은 다시 창업을 이어갈 계획이다.
   2. 기술 중심 재정렬: 자신이 가장 잘할 수 있는 부분이 기술이므로 그 분야에 다시 집중하는 것이 맞다고 판단했다.

2. 오픈소스의 역할

   1. 유통 채널: 오픈소스(Open Source)는 제품을 알리는 하나의 Distribution Channel이다.
   2. 기술 기반의 평판: 무작정 자신을 홍보하는 것이 아니라 실제 기술로 알려질 수 있다.
   3. 관계 형성: 프로젝트가 알려지면 코파운더, 투자자, 팀원과 연결될 수 있다.
   4. 상업화 가능성: 오픈소스 프로젝트가 향후 커머셜 제품으로 전환될 가능성은 열어두되, 우선은 기술적 기여와 유통에 초점을 둔다.

5.2. JPS의 문제 정의

1. 기업의 의사결정과 노하우

   1. 가치의 출발점: 모든 회사는 궁극적으로 결정권자의 판단을 거쳐 결정을 내리고 그 결과로 비즈니스를 운영한다.
   2. 판단의 근거: 비즈니스 판단을 가능하게 하는 핵심은 회사가 축적한 노하우(Know-how)다.
   3. AI에 전부 넣을 때의 위험: 노하우를 AI 모델 안에 그대로 넣으면 회사의 지적 자산이 모델에 흡수되고, 회사가 가진 고유한 자산과 해자가 사라질 수 있다.

2. 오픈 웨이트 모델의 교체 문제

   1. 모델 변화: 북미 기업들은 회사 내부에서 오픈 웨이트(Open-weight) 모델을 많이 사용하려 한다.
   2. 프롬프트 종속성: 모델이 바뀔 때마다 프롬프트(Prompt)와 스킬(Skill)을 모두 다시 바꾸는 것은 현실적으로 어렵다.
   3. 판단 근거의 분리: 판단에 필요한 근거를 AI 모델 안에 묶지 않고 별도의 데이터베이스에 보관하자는 것이 JPS의 출발점이다.

3. JPS의 방향

   1. 프로젝트명: Brian은 현재 작업 중인 오픈소스 프로젝트를 JPS라고 소개했다.
   2. 판단 데이터베이스: JPS는 단순한 지식 검색이 아니라 기업의 워크플로와 의사결정 근거를 담는 지식베이스(Knowledge Base)·판단 데이터베이스(Judgment Database)를 지향한다.
   3. 자산 보호: 회사의 노하우를 모델 교체에 종속시키지 않고, 회사가 통제하는 별도의 자산으로 남기는 것이 목표다.

5.3. LLM과 에이전트의 경계

1. LLM에 대한 Brian의 관점

   1. 지능과 지식의 구분: Brian은 LLM이 지능(Intelligence)을 가지고 있다기보다 제너럴 놀리지(General Knowledge)를 가지고 있다고 본다.
   2. 에이전트의 효과: LLM이 지능을 가진 것처럼 보이게 하는 효과는 에이전트(Agent)의 반복 실행·도구 사용·환경 상호작용에서 나온다.

2. 코딩 에이전트가 잘 작동하는 이유

   1. 폐쇄형 환경: 코딩은 코드베이스라는 비교적 클로즈드(Closed)한 환경 안에서 수행된다.
   2. 검증 도구: 린터(Linter), 컴파일러(Compiler), 유닛 테스트(Unit Test)로 결과를 빠르게 검증할 수 있다.
   3. 반복 개선: 에이전트가 코드를 작성하고 오류를 확인한 뒤 다시 수정하는 루프를 만들 수 있다.

3. 비즈니스 에이전트가 어려운 이유

   1. 확률적 결정의 위험: 회사의 중요한 결정을 확률적으로 처리하는 AI 에이전트에 그대로 맡길 수는 없다.
   2. 비즈니스용 테스트 환경: 비즈니스 에이전트에도 코딩의 유닛 테스트에 해당하는 검증 환경을 제공할 수 있어야 한다.
   3. MVP에서 멈추는 이유: 회사 내부 에이전트의 약 95%, 어떤 사람은 99%가 MVP에서 끝나는 이유는 실제 의사결정을 검증할 방법이 부족하기 때문이다.
   4. 지식 그래프형 접근: 클라우드플레어(Cloudflare) OS 같은 에이전트 시도가 이어지는 가운데, Brian은 일반적인 에이전트를 추가하는 대신 지식 그래프(Knowledge Graph)나 지식베이스처럼 판단 근거를 별도로 구축하려 한다.

6. 김주언의 경력과 블룸 커뮤니티

김주언은 개발 경력을 기반으로 하되, 개발 지식 자체가 미래의 안전한 포지션은 아니라고 판단하고 개인 브랜드와 미디어로 확장하려 한다.

6.1. 경력과 현재 준비

1. 토스에서의 업무

   1. 현재 역할: 김주언은 토스(Toss)에서 DevOps와 백엔드(Backend) 개발을 담당하고 있다.
   2. 과거 역할: 과거에는 MLOps(Machine Learning Operations)를 맡아 머신러닝 모델을 재학습하고 운영하는 시스템을 만들었다.
   3. 개인 사업: 현재는 개인적인 사업을 준비하고 있는 단계다.

2. 블룸에 참여한 이유

   1. 초기 참여: 김주언은 블룸이 매우 초창기였던 AB1 강의 무렵부터 참여했다.
   2. 휴직 전환기: 휴직을 앞두고 사람을 만나지 않으면 의기소침해지고 기분이 가라앉을 수 있다고 느꼈다.
   3. 링크드인 계기: 링크드인에서 블룸 관련 글을 보고 콘텐츠와 모임의 분위기에 관심을 가져 처음 참석했다.
   4. 지속 참여 이유: 참석자들의 수준이 높고 아젠다가 좋았으며, 진행과 질문이 형식적이지 않고 실제 사람이 궁금해하는 것을 묻는 느낌이라 계속 참여했다.

6.2. 기능의 해자가 무너진 뒤의 전략

1. 불안의 출발점

   1. 축적된 기능의 붕괴: 김주언은 지금까지 쌓아온 개발 기능(Skill)의 해자가 AI에 의해 무너지는 모습을 보며 미래의 포지션을 고민했다.
   2. 탐색 기간: AGI가 무엇인지, 언제 올지, 어떤 전략을 취해야 할지 약 6개월 동안 개인적으로 탐색했다.
   3. 실행 단계: 현재는 탐색을 넘어 그때 세운 계획을 실제로 실행하는 단계다.

2. AGI의 두 정의

   1. 낮은 기준: OpenAI 쪽에서 널리 쓰는 정의는 인간의 경제적·가치 생산 활동 대부분에서 대부분의 인간을 능가할 수 있는 자동화된 지능이다.
   2. 현재 위치: 이 기준을 적용하면 AI는 이미 AGI의 초입에 이르렀다는 관점이 지배적이다.
   3. 보수적 기준: 김주언은 Demis Hassabis의 더 보수적인 기준을 따른다. AI가 인류 최고 지성을 뛰어넘는지를 AGI의 기준으로 보는 관점이다.
   4. 아인슈타인 사고실험: AI가 아인슈타인의 지식 전체를 갖고 있다면 스스로 상대성 이론을 창발할 수 있는지가 핵심 질문이다.

3. 현재 AI와 창발의 차이

   1. 수학 난제 사례: OpenAI의 최근 Astra 모델이 수학 난제 10개를 풀었다는 발표가 언급됐다.
   2. 빈틈 채우기: 결과를 깊게 들여다보면 인간이 만든 논리 구조 안의 빈틈을 메우는 성격이 강하다.
   3. 노가다 자동화: 사람이 하기 어렵지만 기계가 상대적으로 잘하는 반복·탐색 작업을 빠르게 처리한 것이지, 패러다임 전환급 발견이나 창발은 아니었다는 평가가 제시됐다.
   4. 방향성의 주체: 현재 AI는 사람이 과업과 방향성을 주면 오랜 시간 밀어붙여 사람보다 빠르게 결론을 내리지만, 스스로 새로운 방향성을 설정하는 능력은 아직 AGI를 가르는 핵심 기준으로 남아 있다.

6.3. AGI의 시점과 전망

1. 도래 시점

   1. 김주언의 전망: 김주언은 AGI가 2030년 무렵에 도달할 것이라고 본다.
   2. 남은 기간: 대화 시점 기준으로 약 3~4년이 남은 셈이다.

2. 디스토피아 전망

   1. 기본 전망: 김주언은 유토피아보다 디스토피아가 될 가능성을 높게 본다.
   2. 개인적 성향: 스스로 비관적(Pessimistic)인 사람이라고 말했고, 독실한 기독교 신앙도 전망의 배경 중 하나로 언급했다.
   3. 전략과 불안의 연결: AGI가 빠르게 오든 늦게 오든, 개발 기능만으로 미래를 방어할 수 없다는 판단이 소유 전략을 탐색하게 만든다.

7. AI 이후에 남는 가치: 기능·권력·소유

김주언은 인류 역사에서 가치가 생산되고 전파되는 방식을 추적해 개인이 가치를 생산하는 축을 세 가지로 분류했다.

7.1. 세 가지 가치 생산 축

1. 기능(Skill)

   1. 정의: 개인이 회사에 자신의 능력을 팔고 그 대가로 돈을 받는 활동이다.
   2. AI의 대체 대상: AI가 가장 먼저 대체하는 영역이 기능이며, 개발·분석·문서화처럼 설명 가능한 지식 노동이 특히 압박받는다.

2. 권력(Power)

   1. 정의: 자원을 통제할 수 있는 힘이다.
   2. 배분 능력: 누구에게 어떤 소유를 줄지 소유권을 배정하는 힘이며, 물리적 통제력과 연결된다.

3. 소유(Ownership)

   1. 정의: 권력으로 뒷받침되는 소유권을 담보로 자산을 빌려주거나 사용하게 해 가치를 생산하는 방식이다.
   2. AI와의 관계: AI가 기능을 대신해도 소유 자체를 자동으로 빼앗지는 않는다.

7.2. 사람들이 AI를 두려워하는 이유

1. 소유의 격차

   1. 기능 의존성: 사람들이 AI를 두려워하는 근본 이유는 소유한 자산이 별로 없고 기능을 팔아 생계를 유지하기 때문이다.
   2. 건물주 비유: 강남에 큰 건물을 소유한 사람은 AI가 와도 건물의 소유권이 유지되므로 같은 방식으로 두려워할 필요가 없다.

2. 비용 절감자로서의 AI

   1. 소유자에게 유리한 효과: 권력과 소유를 이미 가진 사람에게 AI는 하지 않던 기능을 대신해 비용을 줄여주는 도구가 된다.
   2. 전략적 결론: AI를 피하는 대신 권력과 소유를 새롭게 차지해야 한다.

7.3. 소유의 세 가지 형태

1. 물리적 소유

   1. 자산: 땅, 건물, 물질, 자원처럼 직접 점유할 수 있는 물리적 자산이다.
   2. 방어력: 물리적 자산은 AI가 복제하거나 즉시 만들어낼 수 없기 때문에 기능보다 직접적인 방어력을 가진다.

2. 법적으로 규정된 무형 소유

   1. 권리: 특허권, 상표권과 같은 법적 권리다.
   2. 금융·데이터 자산: 법정 화폐, 증권, 데이터 역시 무형 자산에 포함된다.
   3. 특허의 예외성: MicroPipe처럼 특허를 보유한 회사는 복제를 막는 법적 해자를 확보하므로 기술적 해자가 약해진 시장에서도 강한 위치를 차지할 수 있다.

3. 사람의 정신을 차지하는 무형 소유

   1. 브랜드: 브랜드는 로고나 문서가 아니라 소비자의 마음속에 새겨진 특정 브랜드의 심상(Image)이다.
   2. 플랫폼: 플랫폼을 소유한다는 것은 플랫폼에 대한 지식과 인식을 사람들의 마음속에 소유하는 것이다.
   3. 예술과 의미: 예술은 사람들의 마음속에 의미를 창출하고 자리를 차지하는 방식으로 소유된다.
   4. 브랜드의 지속성: AI가 명품 모조품을 쉽게 만들어도 소비자의 마음속에 자리한 에르메스(Hermès)와 루이비통(Louis Vuitton)의 의미까지 자동으로 복제하지는 못한다.
   5. 난이도: 타인의 마음속 공간을 소유하는 일은 어렵지만, 장기간 생각하고 사유하며 끝까지 쌓아야 하는 자산이므로 AI 시대에도 별개의 가치가 있다.

8. 네트워크와 개인 미디어를 소유하는 전략

김주언은 큰 권력을 바로 얻기보다, 상대적으로 접근 가능한 네트워크와 미디어를 통해 사람들의 마음속 공간을 확보하려 한다.

8.1. 네트워크를 첫 번째 소유로 선택하기

1. 현실적인 출발점

   1. 권력의 한계: 김주언은 현재 가진 자원이 많지 않아 권력을 직접 탐하기 어렵다고 판단했다.
   2. 네트워크의 접근성: 소유 중에서 가장 접근하기 쉬운 자산으로 네트워크(Network)를 선택했다.
   3. 미디어와의 결합: 네트워크를 쌓는 수단으로 개인 미디어를 소유하는 것을 첫 번째 목표로 삼았다.

2. 개인 미디어의 자산화

   1. 채널 확장: 여러 SNS 채널을 키우되 유튜브(YouTube)를 중심축으로 삼으려 한다.
   2. 자기 공개: 자신의 관점과 생각을 드러내고, 구독자와 실제로 만날 사람들 사이에 깊은 교류를 만든다.
   3. 관계의 질: 단순한 팔로워 수가 아니라 서로 신뢰하고 의미 있다고 느끼는 관계가 미래의 큰 자산이 된다.
   4. 미디어의 해자: 방송사나 플랫폼이 오디언스를 보유하고 그들과 긴밀한 유대를 형성하면 다른 사람이 쉽게 빼앗기 어렵다는 점이 개인 미디어에도 적용된다.

8.2. ‘생각이 사람을 만든다’는 미디어 철학

1. 유튜브의 출발

   1. 기독교 채널: 김주언은 대학 졸업 무렵 유튜브를 시작했고, 처음부터 계획한 것은 아니었지만 기독교 채널로 발전했다.
   2. 현재 상태: 회사와 병행하기 어려워 잠정적으로 중단된 상태다.
   3. 핵심 문구: 채널의 캐치프레이즈는 “생각이 사람을 만든다”다.

2. 인간 형성의 연쇄

   1. 감각: 사람이 세상을 인지하는 첫 관문은 감각이며, 감각은 전기적 신호에 불과하다.
   2. 해석과 감정: 사람은 감각 신호를 해석하고 그 결과 감정을 만든다.
   3. 생각과 욕구: 생각과 감정이 욕구를 만든다.
   4. 행동과 습관: 욕구가 행동을 만들고, 행동이 반복되면서 습관이 된다.
   5. 습관과 인생: 습관이 삶을 구성하므로 삶을 바꾸려면 생각을 바꾸는 것에서 시작해야 한다.

3. 개인의 사고와 사회 변화

   1. 시스템 바깥의 변화: 사회의 많은 문제는 시스템을 바꾸지 않고 개인의 사고방식을 바꾸는 것만으로도 해결될 수 있다.
   2. 도덕성과 문화: 개인의 생각과 도덕성이 사회문화의 형태를 만든다.
   3. 한국의 낮은 범죄율에 대한 해석: 김주언은 CCTV나 경찰력도 영향을 주지만 핵심은 아니며, 신을 믿지 않는 사람도 신이 있는 것처럼 살아가는 한국인의 뿌리 깊은 도덕성이 낮은 범죄율의 중요한 이유라고 해석했다.
   4. 개인 중심의 결론: 이 관점에서 한국은 시스템이 문제를 해결한 나라라기보다 개인들이 문제를 해결해 온 나라로 평가된다.

8.3. 미래 유튜브 브랜드의 방향

1. 콘텐츠보다 브랜드를 먼저 설계

   1. 현재 단계: 김주언은 유튜브 콘텐츠를 바로 확정하기보다 자신이 어떤 브랜드로 보일지부터 성찰하고 있다.
   2. 핵심 콘셉트: 자신과 비슷한 사람을 모으는 것이 유튜브의 기본 콘셉트다.

2. 팔고 싶은 것과 잘 팔리는 것의 차이

   1. 과거 사업의 교훈: 과거 사업 시도에서 시장에서 잘 팔리는 것과 자신이 팔고 싶은 것이 다르다는 사실을 경험했다.
   2. 고객 선별: 자신이 팔고 싶은 것을 팔려면 자신과 비슷한 사람을 먼저 모아야 한다.
   3. 콘텐츠 방식: 자신이 좋아하는 주제를 자신이 좋아하는 형태로 공개해 유사한 관점의 사람을 끌어모으려 한다.
   4. 예상 주제: 최근 관심이 큰 AI와 비즈니스 이야기가 주요 주제가 될 가능성이 있다.

3. 개발 지식에서 경험과 관점으로

   1. 문서화된 지식의 약점: 지금까지 쌓은 개발 지식 대부분은 이미 문서화되어 있으므로 AI 시대의 강력한 차별점이 되기 어렵다.
   2. 남는 경험: 문서화되지 않은 체험적 경험은 여전히 중요할 수 있다.
   3. 개인적 동기: 김주언에게 개발은 진심으로 가장 관심 있는 일이기보다 생계를 위해 해 온 행동이었다.
   4. 새로운 삶: AI 시대에 개발자라는 기존 포지션을 내려놓고, 실제 관심사와 브랜드를 중심으로 새로운 삶을 시작할 준비와 용기를 보이고 있다.

주요 발언 모음

“더 이상 테크니컬 모트가 없다. 그러면 뭐가 모트인지 찾아오라는 거죠.” — Brian Jin

“수직형 AI가 망한 건 아니에요. 결국에는 디스트리뷰션이 문제인 것 같아요.” — Brian Jin

“인플루언서, 스타트업 인플루언서가 돼야 된다. 개인이 연예인 같은 마인드셋이 필요하다.” — Brian Jin

“예전에는 50 대 50이었다면 지금은 약간 80 대 20, 70 대 30 정도인 것 같아요.” — Brian Jin

“제가 가장 잘할 수 있는 부분이 기술이고, 오픈소스도 저는 하나의 디스트리뷰션 채널이라고 생각하고 있거든요.” — Brian Jin

“LLM이 지능이 있다고 생각하진 않아요. 제너럴 놀리지가 있을 뿐이지.” — Brian Jin

“AI가 사람보다 똑똑해지는 것보다 중요한 건, 아무도 방향성을 주지 않았을 때 스스로 방향성을 줄 수 있느냐예요.” — 김주언의 AGI 기준에 대한 설명

“AI 시대의 본질은 기능을 대체하는 거라고 봐요. 우리가 두려워하는 이유는 사실 소유가 별로 없기 때문입니다.” — 김주언

“내가 브랜드를 소유한다는 건 다수의 마음속에 한 공간을 소유하고 있는 거죠.” — 김주언

“저는 소유 중에서도 가장 만만해 보이는 네트워크를 잡자고 생각했습니다.” — 김주언

“생각이 사람을 만든다.” — 김주언의 유튜브 캐치프레이즈

핵심 데이터 & 수치

• 2002년: Brian Jin이 월드컵 직후 캐나다로 이동해 고등학교와 대학교를 다니기 시작한 시점이다.
• 약 100명: Brian Jin이 Antler 지원 전인 2025년 11월부터 GTM 검증을 위해 인터뷰한 사람 수다.
• 약 3개월·4회: Brian Jin이 Antler 직원과 제너럴 파트너를 상대로 거친 인터뷰 기간과 횟수다.
• 10주: Antler Canada 프로그램의 전체 기간이며 2026년 3월부터 6월까지 진행됐다.
• 약 70%: Antler 프로그램 6주차에 탈락한 참가자 비율이다.
• 1 대 6: 전통적인 ERP에서 라이선스 비용을 1이라고 할 때 구현 비용이 약 6까지 늘어나는 비용 구조다.
• 3~6개월 대 1주일: Oracle과 같은 전통 ERP 구현 기간과 AI 네이티브 ERP의 잠재적 구현 기간 비교다.
• 100시간 대 150시간: 구현 파트너가 예상한 작업 시간과 실제 소요될 수 있는 시간의 예시다.
• 3~6개월: Antler 투자 후 후속 투자를 받아야 하는 기간으로 언급됐다.
• 10배(10x): 샌프란시스코 VC가 시드 투자에서 기대하는 대표적인 수익 배수다.
• 50명·약 20개 팀: Antler Canada 기수의 지원자 수와 프로그램 참여 팀 규모로 언급됐다.
• 2개 사례: 해당 기수에서 특허 기반 MicroPipe와 AI 마케팅 에이전트 회사가 투자받은 사례로 소개됐다.
• 약 95~99%: 기업 내부 AI 에이전트가 실서비스보다 MVP 단계에서 멈추는 비율로 언급됐다.
• 2030년: 김주언이 AGI 도래 시점으로 전망한 연도다.
• 약 3~4년: 대화 시점에서 김주언의 AGI 전망까지 남은 기간이다.
• 50 대 50 → 70 대 30 또는 80 대 20: 기술 역량과 비즈니스·유통 역량의 파운딩 팀 내 상대적 중요도가 변했다는 Brian Jin의 체감치다.

결론 및 시사점

1. 기술만으로는 해자를 만들 수 없다: AI가 코드 생성과 제품 구현의 비용·시간을 낮추면서 기술적 구현력만으로는 장기적인 차별화를 증명하기 어려워졌다.
2. 유통이 새로운 병목이다: 수직형 AI의 도메인 전문성이 사라진 것이 아니라, 10배 성장을 만들 만큼 반복 가능한 고객 획득·확산 구조를 증명하는 일이 어려워졌다.
3. 창업자는 스타트업 인플루언서가 되어야 한다: 얼굴을 드러내고 고객·파트너·투자자와 직접 관계를 맺는 개인의 신뢰와 영향력이 제품의 유통 자산이 된다.
4. 기술자도 전면적인 파운더가 되어야 한다: 기술 파운더는 개발에만 머물 수 없고, GTM·세일즈·마케팅·브랜드 구축에 참여해야 한다. 비즈니스 파운더 역시 AI를 활용해 기술 영역에 들어오므로 역할의 경계가 양쪽에서 동시에 무너진다.
5. 특허·물리 자산은 예외적인 방어선이다: MicroPipe처럼 복제하기 어려운 특허를 가진 회사는 AI 시대에도 법적 소유권을 기반으로 한 해자를 유지할 수 있다.
6. 오픈소스는 기술자의 유통 채널이다: 기술에 강한 창업자는 오픈소스로 역량을 공개해 자신을 알리고 코파운더·투자자·고객과 연결될 수 있다.
7. 비즈니스 판단은 모델 밖의 자산이어야 한다: 회사의 노하우를 LLM에 통째로 넣으면 모델 교체 때 자산이 흔들리고 지적 자산이 외부화된다. 판단 근거를 별도 데이터베이스로 관리하면 기업이 통제하는 지식·검증 계층을 만들 수 있다.
8. AGI의 핵심은 방향성 설정이다: 과업과 방향을 받은 뒤 장시간 실행하는 능력은 현재 AI도 빠르게 확보하고 있다. 아무도 지정하지 않은 문제에서 스스로 방향을 정하고 패러다임 전환을 만드는 능력이 AGI의 더 엄격한 기준이다.
9. AI 이후의 개인 전략은 소유 확보다: 기능을 팔아 생계를 유지하는 사람은 AI 대체에 노출되지만, 물리적 자산·법적 권리·데이터·브랜드·플랫폼·네트워크를 가진 사람은 AI를 비용 절감 도구로 활용할 수 있다.
10. 마음속 공간은 장기 자산이다: 브랜드와 미디어는 사람들의 인식과 의미를 점유하는 무형 소유다. AI가 모조품을 만들 수 있어도 오랜 시간 쌓인 신뢰와 의미를 즉시 복제할 수는 없다.
11. 개인 미디어는 현실적인 첫 소유가 될 수 있다: 큰 권력을 바로 얻기 어려운 개인은 유튜브와 SNS를 통해 자신과 비슷한 사람을 모으고 깊은 관계를 형성함으로써 네트워크를 소유하는 전략을 취할 수 있다.
12. 생각과 관점도 제품의 원천이다: 김주언이 말한 감각→해석→감정→욕구→행동→습관→인생의 연쇄는 개발 지식이 아니라 관점과 의미를 브랜드의 중심에 놓는 이유를 설명한다.

핵심 요약 (20줄)

기술적 해자는 AI가 제품 구현 장벽을 낮추면서 더 이상 단독으로 지속 가능한 방어력이 되기 어렵다. 수직형 AI는 사라진 것이 아니라 10배 성장을 뒷받침할 유통 구조를 증명해야 하는 단계에 들어섰다. Brian Jin은 2002년 캐나다로 이동해 컴퓨터공학을 공부하고 데이터·머신러닝·창업 경험을 쌓았다. 캐나다 창업 생태계는 미국 시장에 진출하기 전에 제품과 사업을 시험하는 테스트베드로 기능한다. Antler Canada는 약 10주 프로그램 동안 6주차에 참가자의 약 70%를 탈락시키는 창업자 중심 프로그램이다. ERP 구현 자동화는 라이선스 1달러에 구현 6달러가 드는 비용 구조를 스코핑부터 에이전트로 줄이려는 시도였다. Oracle 파트너는 3~6개월 걸리는 구현을 1주일로 단축해 고객 만족과 파트너 수익성을 함께 높일 수 있다. 샌프란시스코 VC는 수직형 AI 자체보다 빠른 성장과 반복 가능한 유통을 더 엄격하게 요구한다. 스타트업 창업자는 제품 개발자에 머물지 않고 인플루언서처럼 얼굴을 드러내며 세일즈와 마케팅을 수행해야 한다. 기술 파운더의 상대적 비중은 과거 50% 수준에서 비즈니스·유통 역량이 더 큰 20~30% 수준으로 낮아졌다. MicroPipe는 실험실 센서 특허라는 복제하기 어려운 소유권으로 기술적 해자가 약해진 시장의 예외가 됐다. 오픈소스는 기술자가 자신의 역량을 공개하고 코파운더·투자자·고객을 만나는 유통 채널이 될 수 있다. JPS는 기업의 판단 근거와 노하우를 LLM 밖의 별도 데이터베이스로 관리하려는 오픈소스 프로젝트다. LLM은 일반 지식을 제공하지만 지능을 가진 것처럼 보이는 효과는 도구 사용과 반복 실행을 하는 에이전트에서 발생한다. 코딩 에이전트는 린터·컴파일러·유닛 테스트가 있는 폐쇄형 환경에서 결과를 검증할 수 있어 빠르게 발전한다. 비즈니스 에이전트는 중요한 결정을 확률적으로 맡길 수 없기 때문에 별도의 테스트와 판단 데이터베이스가 필요하다. 김주언은 AGI를 인간 경제 활동 대부분을 능가하는 지능 또는 인류 최고 지성을 넘어서는 능력으로 구분한다. AGI의 엄격한 기준은 사람이 과업과 방향을 주지 않아도 스스로 새로운 방향을 설정하고 창발적 발견을 만드는 능력이다. 기능·권력·소유는 개인이 가치를 생산하는 세 축이며 AI는 그중 기능을 먼저 대체한다. 개인 미디어와 네트워크는 타인의 마음속에 신뢰와 의미의 공간을 확보해 AI 이후에 남는 소유를 만드는 현실적인 출발점이다.